CN103835882A - 大型风力发电机组状态监测与故障诊断*** - Google Patents

大型风力发电机组状态监测与故障诊断*** Download PDF

Info

Publication number
CN103835882A
CN103835882A CN201410100342.0A CN201410100342A CN103835882A CN 103835882 A CN103835882 A CN 103835882A CN 201410100342 A CN201410100342 A CN 201410100342A CN 103835882 A CN103835882 A CN 103835882A
Authority
CN
China
Prior art keywords
generating set
power generating
module
wind power
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410100342.0A
Other languages
English (en)
Inventor
陈群贤
叶明星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Dianji University
Original Assignee
Shanghai Dianji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Dianji University filed Critical Shanghai Dianji University
Priority to CN201410100342.0A priority Critical patent/CN103835882A/zh
Publication of CN103835882A publication Critical patent/CN103835882A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Wind Motors (AREA)

Abstract

本发明提供了一种大型风力发电机组状态监测与故障诊断***，包括：与风力发电机组通讯的多个传感器，用于获取风力发电机组的各个部分的状态模拟数据；与多个传感器中的一部分传感器通讯的数据采集器和与多个传感器中的另部分传感器通讯的PLC模块，PLC模块还与风力发电机组通讯；与数据采集器和PLC模块通讯的实时数据库，用于存储状态数字数据；分别与实时数据库通讯的Matlab模块和工业组态软件模块，工业组态软件模块还与PLC模块通讯；分别与Matlab模块和工业组态软件模块通讯的历史数据库。本发明能够大大提高大量数据处理的能力，实现直观风力发电机组运行状态监测和智能故障诊断。

Description

大型风力发电机组状态监测与故障诊断***
技术领域
本发明涉及一种大型风力发电机组状态监测与故障诊断***。
背景技术
风能作为一种可再生能源，取之不尽用之不竭。我国风能资源丰富，而且随着风力发电技术的不断发展，风机单机容量也朝着MW级方向发展，总体风力发电机组的装机容量不断逐年增加，风电作为一种新型能源在全球能源结构中所占的比例也越来越大。然而大型风力发电机组常常工作在低温、风暴、雷电、沙尘、盐碱、冰雪等环境特别恶劣的条件下,同时由于风速的不确定性使得风轮转速变化范围大，使得风力发电机组的运行工况复杂，容易造成风力发电组的叶片以及传动***的使用寿命缩短,提前出现故障甚至是损坏，从而导致了风力发电机组停机，严重影响发电，并直接造成较为严重的经济损失，导致了风电机组的运行维护成本持续增高。因此为了保证风力发电机组运行的可靠性，降低维护和检修费用，安装有效的风力发电机组状态监测与故障诊断***非常重要，但是传统的风力发电机组故障诊断***通过采集机组重要传动部件的振动信号，经专业技术人员来观测振动信号波形并判断机组故障部件。这种方法很容易判断错误，而且很难判断出部件故障的准确位置和严重程度，难以给后期制定相关检修计划提供准确地指导。而且传统故障诊断***缺乏处理大量数据的能力和智能算法分析能力，也没有提供友风力发电机组实时在线状态监测和故障处理操作界面。
发明内容
本发明的目的在于提供一种大型风力发电机组状态监测与故障诊断***，能够解决传统风力发电机组故障诊断***缺乏大量数据处理和智能分析能力，及未提供风力发电机组实时在线状态监测界面和故障处理操作界面的问题。
为解决上述问题，本发明提供一种大型风力发电机组状态监测与故障诊断***，包括：
与风力发电机组通讯的多个传感器，用于获取所述风力发电机组的各个部分的状态模拟数据；
与多个传感器中的一部分传感器通讯的数据采集器和与多个传感器中的另部分传感器通讯的PLC模块，所述数据采集器和PLC模块用于采集传感器传送的状态模拟数据，并将状态模拟数据经A/D转换后变为状态数字数据，所述PLC模块还与所述风力发电机组通讯，用于调整风力发电机组的运行状态；
与所述数据采集器和PLC模块通讯的实时数据库，用于存储所述状态数字数据；
分别与所述实时数据库通讯的Matlab模块和工业组态软件模块，所述工业组态软件模块还与所述PLC模块通讯，其中，Matlab模块还与工业组态软件模块通讯，所述Matlab模块包括小波工具箱和神经网络工具箱，所述小波工具箱用于通过小波变换将所述状态数字数据进行消噪处理，并将经过消噪处理的状态数字数据进行快速傅里叶变换后从中提取故障特征参数，所述神经网络工具箱用于从一历史数据库中获取风力发电机组的历史故障数据，并通过BP神经网络算法对风力发电机组的历史故障数据进行训练得到BP神经网络，根据训练得到的BP神经网络对所提取到的所述故障特征参数做出模式识别，得到风力发电机组的故障代码后传送到所述工业组态软件模块，所述工业组态软件模块根据从实时数据库获取的状态数字数据在其显示界面中显示当前风力发电机组的各个部分的运行状况，并根据故障代码智能识别出故障类型、故障部件和故障严重程度并显示在其显示界面中，及根据故障严重程度通过PLC模块调整风力发电机组的运行状态；
分别与所述Matlab模块和工业组态软件模块通讯的历史数据库，用于存储所述Matlab模块和工业组态软件模块传输的风力发电机组的各种历史数据，包括所述历史故障数据。
进一步的，在上述***中，所述数据采集器为DSP数据采集卡。
进一步的，在上述***中，所述传感器包括振动传感器、电压传感器、电流传感器、位移传感器、温度传感器、转速传感器和转速传感器。
进一步的，在上述***中，所述振动传感器用于采集风力发电机组的齿轮箱输入、输出端轴承振动信号。
进一步的，在上述***中，所述电压传感器、电流传感器、位移传感器、温度传感器、转速传感器和转速传感器用于分别采集风力发电机组的发电机端电压、电流信号，及风力发电机组的机舱温度、风力发电机组的转子转速和当前风速。
进一步的，在上述***中，所述PLC模块和数据采集器均通过工业以太网与所述实时数据库进行通讯。
进一步的，在上述***中，所述Matlab模块与工业组态软件模块之间通过一外部开放式OPC协议接口实现通讯。
与现有技术相比，本发明包括：与风力发电机组通讯的多个传感器，用于获取所述风力发电机组的各个部分的状态模拟数据；与多个传感器中的一部分传感器通讯的数据采集器和与多个传感器中的另部分传感器通讯的PLC模块，所述数据采集器和PLC模块用于采集传感器传送的状态模拟数据，并将状态模拟数据经A/D转换后变为状态数字数据，所述PLC模块还与所述风力发电机组通讯，用于调整风力发电机组的运行状态；与所述数据采集器和PLC模块通讯的实时数据库，用于存储所述状态数字数据；分别与所述实时数据库通讯的Matlab模块和工业组态软件模块，所述工业组态软件模块还与所述PLC模块通讯，其中，Matlab模块还与工业组态软件模块通讯，所述Matlab模块包括小波工具箱和神经网络工具箱，所述小波工具箱用于通过小波变换将所述状态数字数据进行消噪处理，并将经过消噪处理的状态数字数据进行快速傅里叶变换后从中提取故障特征参数，所述神经网络工具箱用于从一历史数据库中获取风力发电机组的历史故障数据，并通过BP神经网络算法对风力发电机组的历史故障数据进行训练得到BP神经网络，根据训练得到的BP神经网络对所提取到的所述故障特征参数做出模式识别，得到风力发电机组的故障代码后传送到所述工业组态软件模块，所述工业组态软件模块根据从实时数据库获取的状态数字数据在其显示界面中显示当前风力发电机组的各个部分的运行状况，并根据故障代码智能识别出故障类型、故障部件和故障严重程度并显示在其显示界面中，及根据故障严重程度通过PLC模块调整风力发电机组的运行状态；分别与所述Matlab模块和工业组态软件模块通讯的历史数据库，用于存储所述Matlab模块和工业组态软件模块传输的风力发电机组的各种历史数据，包括所述历史故障数据，能够大大提高大量数据处理的能力，实现直观风力发电机组运行状态监测和智能故障诊断。
附图说明
图1是本发明一实施例的大型风力发电机组状态监测与故障诊断***的整体框架图；
图2是本发明一实施例的大型风力发电机组状态监测与故障诊断***的数据采集硬件的结构图；
图3是本发明一实施例的Matlab模块与工业组态软件模块通讯的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1～2所示，本发明提供一种大型风力发电机组状态监测与故障诊断***，该***包括硬件和软件两个部分，硬件部分包括传感器2、PLC模拟4和数据采集器3；软件部分包括工业组态软件模块7和Matlab模块6，具体来说，本***包括：
与风力发电机组1通讯的多个传感器2，用于获取所述风力发电机组1的各个部分的状态模拟数据；具体的，传感器是一种检测装置，能感受到被测量的部分的状态信息，并能将感受到的状态信息按一定规律转变为可以检测、传输、处理的模拟信号主要是电压信号、电流信号，由于传感器的类型多种多样，要获得风力发电机组各项监控和诊断参数必须使用功能相应的传感器，可选的，如图2所示，本***中可选择振动传感器21采集风力发电机组的齿轮箱输入、输出端轴承振动信号；可选择电压传感器22、电流传感器24、位移传感器23、温度传感器27、转速传感器25、转速传感器（风速测量仪）26分别采集风力发电机组1的发电机端电压、电流信号，及风力发电机组1的机舱温度，还有风力发电机组1的转子转速和当前风速；
与多个传感器2中的一部分传感器2通讯的数据采集器3和与多个传感器2中的另部分传感器2通讯的PLC(可编程逻辑控制器，Programmable LogicController)模块4，所述数据采集器3和PLC模块4用于采集传感器2传送的状态模拟数据，并将状态模拟数据经A/D（模拟/数字）转换后变为状态数字数据，所述PLC模块4还与所述风力发电机组通讯，用于调整风力发电机组1的运行状态；具体的，数据采集器3的型号和样式不同采集的信号类型和采集精度有所不同，优选的，可采用DSP（digital signal processing，数字信号处理）数据采集卡作为数据采集器3来采集由传感器获取的风力发电机组的齿轮箱和发电机轴承的振动信号，及风力发电机组的其他部件的电压、电流信号等，所述PLC模块4用于采集由传感器2获取的风力发电机组的外部运行环境和内部各个部分的状态模拟数据；
与所述数据采集器3和PLC模块4通讯的实时数据库5，用于存储所述状态数字数据，具体的，PLC模块4和数据采集器3均可通过工业以太网与实时数据库5进行通讯；
分别与所述实时数据库5通讯的Matlab模块6和工业组态软件模块7，所述工业组态软件模块7还与所述PLC模块4通讯，其中，由于Matlab模块6与工业组态软件模块7之间没有直接可以通讯的接口，需要借助外部开放式OPC协议接口实现两者之间的通讯，所述Matlab模块6包括小波工具箱和神经网络工具箱，所述小波工具箱用于通过小波变换将所述状态数字数据进行消噪处理，以提高信号的信噪比，并将经过消噪处理的状态数字数据进行快速傅里叶变换（FFT）后从中提取时域和频域上具有参考价值的故障特征参数，所述神经网络工具箱用于从一历史数据库8中获取风力发电机组的历史故障数据，并通过BP神经网络算法对风力发电机组的历史故障数据进行训练得到BP神经网络，根据训练得到的BP神经网络（故障知识库）对所提取到的所述故障特征参数做出模式识别（智能匹配），得到风力发电机组1的故障代码后传送到所述工业组态软件模块7，所述工业组态软件模块7用于根据从实时数据库获取的状态数字数据在其显示界面中显示当前风力发电机组1的各个部分的运行状况，如显示包括来自数据库中有关风力发电机组当前运行外部环境信息和风力发电机组自身运行状态，以实时监测当前风力发电机组运行情况，实现风电机组实时在线状态监测，所述工业组态软件模块7还用于根据故障代码智能识别出故障类型、故障部件和故障严重程度并显示在其显示界面中，并根据故障严重程度做出智能故障处理操作即通过PLC模块4的调整风力发电机组1的运行状态，如实现风力发电机组1的安全停机，具体的，Matlab是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，此外，PLC模块4和工业组态软件模块7之间可采用工业以太网的通讯方式，另外，工业组态软件模块7还可根据实时监测数据和包括故障类型、故障部件和故障严重程度的故障诊断数据构建实时趋势曲线、历史趋势曲线、监视和控制画面、报警画面、设置历史数据存储和报表打印功能，形成一套集风电机组实时状态监测和故障诊断于一体的***；
分别与所述Matlab模块6和工业组态软件模块7通讯的历史数据库8，用于存储所述Matlab模块和工业组态软件模块传输的风力发电机组的各种历史数据，包括历史故障数据。
详细的，如图3建立Matlab模块与工业组态软件模块之间的数据通信的流程如下：
步骤S1，建立OPC通信服务对象，确定以工业组态软件模块为OPC为服务器，Matlab作为客户端；
步骤S2，Matlab客户端在服务器中建立组对象；
步骤S3，Matlab客户端在服务器组对象中建立项对象；
步骤S4，对工业组态软件模块的数据项进行读/写操作
步骤S5，判断条件是否有读/写操作，如果是，则返回步骤S4，如果否，则转到步骤S6；
步骤S6，中断连接，清除数据项、组、服务器对象以结束循环。
综上所述，本发明包括：与风力发电机组通讯的多个传感器，用于获取所述风力发电机组的各个部分的状态模拟数据；与多个传感器中的一部分传感器通讯的数据采集器和与多个传感器中的另部分传感器通讯的PLC模块，所述数据采集器和PLC模块用于采集传感器传送的状态模拟数据，并将状态模拟数据经A/D转换后变为状态数字数据，所述PLC模块还与所述风力发电机组通讯，用于调整风力发电机组的运行状态；与所述数据采集器和PLC模块通讯的实时数据库，用于存储所述状态数字数据；分别与所述实时数据库通讯的Matlab模块和工业组态软件模块，所述工业组态软件模块还与所述PLC模块通讯，其中，Matlab模块还与工业组态软件模块通讯，所述Matlab模块包括小波工具箱和神经网络工具箱，所述小波工具箱用于通过小波变换将所述状态数字数据进行消噪处理，并将经过消噪处理的状态数字数据进行快速傅里叶变换后从中提取故障特征参数，所述神经网络工具箱用于从一历史数据库中获取风力发电机组的历史故障数据，并通过BP神经网络算法对风力发电机组的历史故障数据进行训练得到BP神经网络，根据训练得到的BP神经网络对所提取到的所述故障特征参数做出模式识别，得到风力发电机组的故障代码后传送到所述工业组态软件模块，所述工业组态软件模块根据从实时数据库获取的状态数字数据在其显示界面中显示当前风力发电机组的各个部分的运行状况，并根据故障代码智能识别出故障类型、故障部件和故障严重程度并显示在其显示界面中，及根据故障严重程度通过PLC模块调整风力发电机组的运行状态；分别与所述Matlab模块和工业组态软件模块通讯的历史数据库，用于存储所述Matlab模块和工业组态软件模块传输的风力发电机组的各种历史数据，包括所述历史故障数据，能够大大提高大量数据处理的能力，实现直观风力发电机组运行状态监测和智能故障诊断。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
显然，本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (7)

1.一种大型风力发电机组状态监测与故障诊断***，其特征在于，包括：
与风力发电机组通讯的多个传感器，用于获取所述风力发电机组的各个部分的状态模拟数据；
与多个传感器中的一部分传感器通讯的数据采集器和与多个传感器中的另部分传感器通讯的PLC模块，所述数据采集器和PLC模块用于采集传感器传送的状态模拟数据，并将状态模拟数据经A/D转换后变为状态数字数据，所述PLC模块还与所述风力发电机组通讯，用于调整风力发电机组的运行状态；
与所述数据采集器和PLC模块通讯的实时数据库，用于存储所述状态数字数据；
分别与所述实时数据库通讯的Matlab模块和工业组态软件模块，所述工业组态软件模块还与所述PLC模块通讯，其中，Matlab模块还与工业组态软件模块通讯，所述Matlab模块包括小波工具箱和神经网络工具箱，所述小波工具箱用于通过小波变换将所述状态数字数据进行消噪处理，并将经过消噪处理的状态数字数据进行快速傅里叶变换后从中提取故障特征参数，所述神经网络工具箱用于从一历史数据库中获取风力发电机组的历史故障数据，并通过BP神经网络算法对风力发电机组的历史故障数据进行训练得到BP神经网络，根据训练得到的BP神经网络对所提取到的所述故障特征参数做出模式识别，得到风力发电机组的故障代码后传送到所述工业组态软件模块，所述工业组态软件模块根据从实时数据库获取的状态数字数据在其显示界面中显示当前风力发电机组的各个部分的运行状况，并根据故障代码智能识别出故障类型、故障部件和故障严重程度并显示在其显示界面中，及根据故障严重程度通过PLC模块调整风力发电机组的运行状态；
分别与所述Matlab模块和工业组态软件模块通讯的历史数据库，用于存储所述Matlab模块和工业组态软件模块传输的风力发电机组的各种历史数据，包括所述历史故障数据。
2.如权利要求1所述的大型风力发电机组状态监测与故障诊断***，其特征在于，所述数据采集器为DSP数据采集卡。
3.如权利要求1所述的大型风力发电机组状态监测与故障诊断***，其特征在于，所述传感器包括振动传感器、电压传感器、电流传感器、位移传感器、温度传感器、转速传感器和转速传感器。
4.如权利要求3所述的大型风力发电机组状态监测与故障诊断***，其特征在于，所述振动传感器用于采集风力发电机组的齿轮箱输入、输出端轴承振动信号。
5.如权利要求3所述的大型风力发电机组状态监测与故障诊断***，其特征在于，所述电压传感器、电流传感器、位移传感器、温度传感器、转速传感器和转速传感器用于分别采集风力发电机组的发电机端电压、电流信号，及风力发电机组的机舱温度、风力发电机组的转子转速和当前风速。
6.如权利要求1所述的大型风力发电机组状态监测与故障诊断***，其特征在于，所述PLC模块和数据采集器均通过工业以太网与所述实时数据库进行通讯。
7.如权利要求1所述的大型风力发电机组状态监测与故障诊断***，其特征在于，所述Matlab模块与工业组态软件模块之间通过一外部开放式OPC协议接口实现通讯。
CN201410100342.0A 2014-03-18 2014-03-18 大型风力发电机组状态监测与故障诊断*** Pending CN103835882A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410100342.0A CN103835882A (zh) 2014-03-18 2014-03-18 大型风力发电机组状态监测与故障诊断***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410100342.0A CN103835882A (zh) 2014-03-18 2014-03-18 大型风力发电机组状态监测与故障诊断***

Publications (1)

Publication Number Publication Date
CN103835882A true CN103835882A (zh) 2014-06-04

Family

ID=50799707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410100342.0A Pending CN103835882A (zh) 2014-03-18 2014-03-18 大型风力发电机组状态监测与故障诊断***

Country Status (1)

Country Link
CN (1) CN103835882A (zh)

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104564534A (zh) * 2014-10-13 2015-04-29 芜湖扬宇机电技术开发有限公司 一种风力发电场的风况监测方法
CN105098987A (zh) * 2015-08-25 2015-11-25 中天电气技术有限公司 中压智能开关设备
CN105467319A (zh) * 2016-01-15 2016-04-06 南京信息工程大学 一种基于Park矢量与信息融合诊断的电机故障诊断方法
WO2016077997A1 (en) * 2014-11-18 2016-05-26 Abb Technology Ltd Wind turbine condition monitoring method and system
WO2016086360A1 (en) * 2014-12-02 2016-06-09 Abb Technology Ltd Wind farm condition monitoring method and system
CN105929711A (zh) * 2016-04-25 2016-09-07 西北工业大学 一种机电作动器参考模型数据库的构建方法
CN108204834A (zh) * 2016-12-19 2018-06-26 北京金风科创风电设备有限公司 风力发电机组的状态监测方法及装置
CN109209785A (zh) * 2018-10-25 2019-01-15 北京国电思达科技有限公司 一种基于Matlab的风电机组智能状态检修方法
CN109557414A (zh) * 2018-11-30 2019-04-02 国家电网有限公司技术学院分公司 综合电力***故障诊断告警处理***及方法
CN109826759A (zh) * 2019-02-14 2019-05-31 上海电气风电集团有限公司 风力发电控制***中故障代码的报出方法以及报出***
CN109885361A (zh) * 2017-12-26 2019-06-14 广东电网有限责任公司电力调度控制中心 一种机组状态统计时序图可视化展示方法
CN109885018A (zh) * 2019-01-18 2019-06-14 广东寰球智能科技有限公司 一种面向金属包装设备的专家智库***的管理方法
CN109920230A (zh) * 2019-03-01 2019-06-21 武汉华沃电源技术有限公司 一种发电机组无线监控方法
CN110187672A (zh) * 2018-02-22 2019-08-30 发那科株式会社 故障诊断装置和机器学习装置
CN110579368A (zh) * 2019-09-26 2019-12-17 上海电气电站设备有限公司 基于仿真计算的旋转机械振动故障智能诊断***及方法
CN111324083A (zh) * 2020-03-02 2020-06-23 西南交通大学 一种机械设备关键部件实时监测与预警方法及***
CN111365199A (zh) * 2020-03-11 2020-07-03 天津发现技术有限公司 一种风电机组辅助分析***
CN112177867A (zh) * 2020-09-24 2021-01-05 上海电机学院 一种用于风力发电机机舱的控制方法及智能控制***
CN112379152A (zh) * 2020-10-23 2021-02-19 国网山东省电力公司邹城市供电公司 一种电杆拉线带电警示装置、***和方法
CN113027696A (zh) * 2019-12-24 2021-06-25 新疆金风科技股份有限公司 液压变桨***的故障诊断方法和装置
CN113219853A (zh) * 2021-04-09 2021-08-06 北京国电思达科技有限公司 Plc控制器的半物理仿真平台搭建方法及装置
CN113960987A (zh) * 2021-11-09 2022-01-21 中烟机械技术中心有限责任公司 Io端子模块诊断信息可视化***
CN114114006A (zh) * 2021-10-18 2022-03-01 华能会理风力发电有限公司 一种风力发电机诊断装置及其诊断方法
WO2023272980A1 (zh) * 2021-06-30 2023-01-05 北京金风科创风电设备有限公司 风力发电机组的控制方法、装置、***、设备及介质
CN116085212A (zh) * 2022-12-29 2023-05-09 大唐可再生能源试验研究院有限公司 一种新能源风电机组的运行状态实时监测方法及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201402209Y (zh) * 2009-03-30 2010-02-10 唐德尧 一种风力发电机组的智能化故障监测诊断***
CN102156043A (zh) * 2010-12-31 2011-08-17 北京四方继保自动化股份有限公司 风力发电机组在线状态监测与故障诊断***
CN102620807A (zh) * 2012-03-22 2012-08-01 内蒙古科技大学 风力发电机状态监测***及方法
CN102748214A (zh) * 2012-07-10 2012-10-24 国电联合动力技术有限公司 耦合于控制***的风电机组状态监测与故障诊断***
CN102840979A (zh) * 2012-09-04 2012-12-26 国电联合动力技术有限公司 一种风电机组传动链故障检测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201402209Y (zh) * 2009-03-30 2010-02-10 唐德尧 一种风力发电机组的智能化故障监测诊断***
CN102156043A (zh) * 2010-12-31 2011-08-17 北京四方继保自动化股份有限公司 风力发电机组在线状态监测与故障诊断***
CN102620807A (zh) * 2012-03-22 2012-08-01 内蒙古科技大学 风力发电机状态监测***及方法
CN102748214A (zh) * 2012-07-10 2012-10-24 国电联合动力技术有限公司 耦合于控制***的风电机组状态监测与故障诊断***
CN102840979A (zh) * 2012-09-04 2012-12-26 国电联合动力技术有限公司 一种风电机组传动链故障检测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孟恩隆等: "风力发电机组状态监测与智能故障诊断***的设计与实现", 《华东电力》 *
高阳等: "基于DSP和神经网络的风力发电机齿轮箱远程故障诊断***", 《仪表技术与传感器》 *

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104564534A (zh) * 2014-10-13 2015-04-29 芜湖扬宇机电技术开发有限公司 一种风力发电场的风况监测方法
US10288043B2 (en) 2014-11-18 2019-05-14 Abb Schweiz Ag Wind turbine condition monitoring method and system
WO2016077997A1 (en) * 2014-11-18 2016-05-26 Abb Technology Ltd Wind turbine condition monitoring method and system
WO2016086360A1 (en) * 2014-12-02 2016-06-09 Abb Technology Ltd Wind farm condition monitoring method and system
CN105098987A (zh) * 2015-08-25 2015-11-25 中天电气技术有限公司 中压智能开关设备
CN105467319A (zh) * 2016-01-15 2016-04-06 南京信息工程大学 一种基于Park矢量与信息融合诊断的电机故障诊断方法
CN105929711A (zh) * 2016-04-25 2016-09-07 西北工业大学 一种机电作动器参考模型数据库的构建方法
CN105929711B (zh) * 2016-04-25 2018-08-17 西北工业大学 一种机电作动器参考模型数据库的构建方法
CN108204834A (zh) * 2016-12-19 2018-06-26 北京金风科创风电设备有限公司 风力发电机组的状态监测方法及装置
CN108204834B (zh) * 2016-12-19 2020-12-08 北京金风科创风电设备有限公司 风力发电机组的状态监测方法及装置
CN109885361B (zh) * 2017-12-26 2020-09-25 广东电网有限责任公司电力调度控制中心 一种机组状态统计时序图可视化展示方法
CN109885361A (zh) * 2017-12-26 2019-06-14 广东电网有限责任公司电力调度控制中心 一种机组状态统计时序图可视化展示方法
CN110187672A (zh) * 2018-02-22 2019-08-30 发那科株式会社 故障诊断装置和机器学习装置
CN109209785A (zh) * 2018-10-25 2019-01-15 北京国电思达科技有限公司 一种基于Matlab的风电机组智能状态检修方法
CN109557414B (zh) * 2018-11-30 2021-04-13 国家电网有限公司技术学院分公司 综合电力***故障诊断告警处理***及方法
CN109557414A (zh) * 2018-11-30 2019-04-02 国家电网有限公司技术学院分公司 综合电力***故障诊断告警处理***及方法
CN109885018A (zh) * 2019-01-18 2019-06-14 广东寰球智能科技有限公司 一种面向金属包装设备的专家智库***的管理方法
CN109885018B (zh) * 2019-01-18 2020-10-09 广东寰球智能科技有限公司 一种面向金属包装设备的专家智库***的管理方法
CN109826759A (zh) * 2019-02-14 2019-05-31 上海电气风电集团有限公司 风力发电控制***中故障代码的报出方法以及报出***
CN109920230A (zh) * 2019-03-01 2019-06-21 武汉华沃电源技术有限公司 一种发电机组无线监控方法
CN110579368A (zh) * 2019-09-26 2019-12-17 上海电气电站设备有限公司 基于仿真计算的旋转机械振动故障智能诊断***及方法
CN113027696A (zh) * 2019-12-24 2021-06-25 新疆金风科技股份有限公司 液压变桨***的故障诊断方法和装置
CN111324083A (zh) * 2020-03-02 2020-06-23 西南交通大学 一种机械设备关键部件实时监测与预警方法及***
CN111365199A (zh) * 2020-03-11 2020-07-03 天津发现技术有限公司 一种风电机组辅助分析***
CN111365199B (zh) * 2020-03-11 2021-01-26 天津发现技术有限公司 一种风电机组辅助分析***
CN112177867A (zh) * 2020-09-24 2021-01-05 上海电机学院 一种用于风力发电机机舱的控制方法及智能控制***
CN112379152A (zh) * 2020-10-23 2021-02-19 国网山东省电力公司邹城市供电公司 一种电杆拉线带电警示装置、***和方法
CN113219853A (zh) * 2021-04-09 2021-08-06 北京国电思达科技有限公司 Plc控制器的半物理仿真平台搭建方法及装置
WO2023272980A1 (zh) * 2021-06-30 2023-01-05 北京金风科创风电设备有限公司 风力发电机组的控制方法、装置、***、设备及介质
CN114114006A (zh) * 2021-10-18 2022-03-01 华能会理风力发电有限公司 一种风力发电机诊断装置及其诊断方法
CN113960987A (zh) * 2021-11-09 2022-01-21 中烟机械技术中心有限责任公司 Io端子模块诊断信息可视化***
CN113960987B (zh) * 2021-11-09 2024-04-16 上海烟草机械有限责任公司 Io端子模块诊断信息可视化***
CN116085212A (zh) * 2022-12-29 2023-05-09 大唐可再生能源试验研究院有限公司 一种新能源风电机组的运行状态实时监测方法及***
CN116085212B (zh) * 2022-12-29 2023-10-24 大唐可再生能源试验研究院有限公司 一种新能源风电机组的运行状态实时监测方法及***

Similar Documents

Publication Publication Date Title
CN103835882A (zh) 大型风力发电机组状态监测与故障诊断***
CN103711645B (zh) 基于建模参数特征分析的风力发电机组状态评估方法
CN102102629B (zh) 一种风电机组在线数据采集与分析装置
CN103912448B (zh) 一种区域风电场机组功率特性监测方法
CN202326011U (zh) 一种风电机组的状态监测与故障诊断***
CN202330019U (zh) 一种风电机组的状态监测***
CN102200186A (zh) 风力发电机组齿轮箱远程在线状态监测与故障诊断***
CN107247230A (zh) 一种基于支持向量机和数据驱动的旋转电机状态监测方法
CN102434387A (zh) 风机检测诊断***
CN202676203U (zh) 大型泵站状态监测与诊断及能效管理装置
CN104200396A (zh) 一种风力发电机部件故障预警方法
Hu et al. Using domain knowledge features for wind turbine diagnostics
Butler et al. A feasibility study into prognostics for the main bearing of a wind turbine
CN103321839A (zh) 风机振动监测方法及***、风机监控器
CN111878322B (zh) 风力发电机装置
CN104564542A (zh) 一种基于大数据技术的故障诊断***及其诊断方法
CN104101652A (zh) 一种基于音频信号的风电叶片损伤监测方法及监测***
CN102758727B (zh) 集成于控制***的风力机状态监测与故障诊断***及方法
CN103852255A (zh) 基于神经网络风力发电机组典型传动故障智能诊断方法
CN202453182U (zh) 一种风电机组齿轮箱故障诊断装置
CN108301987B (zh) 基于电气参量的风电机组传动轴系在线观测***
CN203881539U (zh) 一种风电机组状态监测与故障诊断装置
Tchakoua et al. New trends and future challenges for wind turbines condition monitoring
CN205175690U (zh) 基于dsp的风力发电机组在线故障诊断***
CN103645060A (zh) 基于状态监控***的风力发电机组突发故障识别诊断方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20140604

RJ01 Rejection of invention patent application after publication